Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 3

Ähnliche Dokumente
Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 2

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 4

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1

Übungen Abgabetermin: Freitag, , 10 Uhr

Wahrscheinlichkeitsrechnung und Statistik

I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...

Übungsblatt 6 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker

Stochastik Wiederholung von Teil 1

Einführung in die Stochastik 6. Übungsblatt

Lösungen Wahrscheinlichkeitstheorie

8. Formelsammlung. Pr[ ] = 0. 0 Pr[A] 1. Pr[Ā] = 1 Pr[A] A B = Pr[A] Pr[B] DWT 8.1 Gesetze zum Rechnen mit Ereignissen 203/467 Ernst W.

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen

6. Übungsblatt zur Einführung in die Stochastik

2 Zufallsvariable und Verteilungsfunktionen

Kapitel II - Wahrscheinlichkeitsraum

Lösungsskizzen zur Präsenzübung 04

Stochastik. 1. Wahrscheinlichkeitsräume

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen. Bsp (3-maliges Werfen einer Münze) Menge der Elementarereignisse:

Zufallsvariable, Verteilung, Verteilungsfunktion

3. Übungsblatt - Lösungsskizzen. so, dass f tatsächlich eine Wahrscheinlichkeitsdichte

Wichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung

Unabhängigkeit KAPITEL 4

Kapitel II - Wahrscheinlichkeitsraum

Mustererkennung: Wahrscheinlichkeitstheorie. D. Schlesinger () ME: Wahrscheinlichkeitstheorie 1 / 10

Das Ziegenproblem. Nils Schwinning und Christian Schöler Juni 2010

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur: Diskrete Strukturen I

Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt

5 Zufallsvariablen, Grundbegriffe

Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26)

Eine Auswahl wichtiger Definitionen und Aussagen zur Vorlesung»Stochastik für Informatiker und Regelschullehrer«

Klausur: Diskrete Strukturen I

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit

Mathematik IV (Stochastik) für Informatiker

I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...

Wahrscheinlichkeitstheorie und Statistik

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Computerlinguistik

Weihnachtszettel zur Vorlesung. Stochastik I. Wintersemester 2011/2012

Stochastik Musterlösung 2

TU DORTMUND Sommersemester 2018

Grundlagen der Wahrscheinlichkeitstheorie

Prüfungsvorbereitungskurs Höhere Mathematik 3

Kapitel 5 Stochastische Unabhängigkeit

Kapitel II Kontinuierliche Wahrscheinlichkeitsräume

Aufgabe Punkte

Statistik I für Humanund Sozialwissenschaften

STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück

Kapitel VII - Funktion und Transformation von Zufallsvariablen

TU Darmstadt FB Mathematik, AG 9 WS 2004/2005 Jakob Creutzig (1 + ρ)

Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen

Diskrete Strukturen I

Hauptklausur zur Stochastik für Lehramt

Prüfungsvorbereitungskurs Höhere Mathematik 3

10 Transformation von Zufallsvariablen

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 5

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier

Lösungsskizzen zur Präsenzübung 07

Statistik für Ingenieure Vorlesung 2

3 Bedingte Erwartungswerte

Klausur zur Stochastik

2 Zufallsvariablen und deren Verteilungen

I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...

Grundbegriffe der Wahrscheinlichkeit

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren

Varianz und Kovarianz

Übungen zur Vorlesung Einführung in die Mathematik

Seminar Kolmogorovkomplexität

KAPITEL 5. Erwartungswert

Lineare Algebra 6. Übungsblatt

Klausur zur Vorlesung Stochastik II

Stochastik im SoSe 2018 Hausaufgabenblatt 1

Grundbegriffe. Vereinigungsmenge Schnittmenge sicheres Ereignis disjunkte Mengen komplementäre Ereignisse/ Gegenereignisse/ Alternativereignisse

7 Poisson-Punktprozesse

Klausur: Diskrete Strukturen I

Institut für Stochastik, SoSe K L A U S U R , 8:00-11:00. Aufgabe Punkte erreichte Punkte Korrektur

Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente

Wahrscheinlichkeit und Statistik: Zusammenfassung

Prüfungsvorbereitungskurs Höhere Mathematik 3

Forschungsstatistik I

Universität Leipzig, SoSo 2013

Grundlagen der Mathematik

BEDINGTE WAHRSCHEINLICHKEITEN. UNABHÄNGIGKEIT. In diesem Kapitel geht es zunächst um das Studium der bedingten Wahrscheinlichkeitsverteilungen,

Statistik I für Betriebswirte Vorlesung 2

Klausur,,Algorithmische Mathematik II

Beweis: Mit Hilfe des Satzes von der totalen Wahrscheinlichkeit folgt, dass

Unabhängigkeit von Zufallsvariablen

Wahrscheinlichkeitstheorie und Statistik vom

Lemma 23 Die (paarweise verschiedenen) Ereignisse A 1,..., A n sind genau dann unabhängig,

Dieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen.

Ferienkurs zur Einführung in die Wahrscheinlichkeitstheorie

Mathematik für Biologen

Universität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt

Teil II. Wahrscheinlichkeitsrechnung

Teil II. Wahrscheinlichkeitsrechnung. Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2015) Folie 129

Teil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse

Transkript:

TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Einführung in die Wahrscheinlichkeitstheorie svorschläge zu Übungsblatt 3 Tutoraufgaben: Aufgabe T3.1 Vier internationale Großfabrikanten von Quietscheenten beliefern den Badeartikelladen Ihres Vertrauens und haben einen gleichgroßen Anteil an den verkauften Enten. Bei einer Untersuchung stellt sich heraus, dass sich 6% der Quietscheenten, die vom Unternehmen A hergestellt wurden, nicht aufrecht über Wasser halten können, bei Unternehmen B sind es 8%, bei Unternehmen C 12% und bei Unternehmen D sogar 14%. (i) Sie kaufen in dem Laden eine Ente. Wie groß ist die Wahrscheinlichkeit, dass Sie eine aufrecht schwimmende Ente bekommen? (ii) Ihr Nachbar hat zwei Enten derselben Produktion erworben, von denen eine nur mit Schlagseite schwimmt. Wie groß ist die Wahrscheinlichkeit, dass die andere Ente aufrecht schwimmt? (iii) Wie groß ist die Wahrscheinlichkeit, dass die Enten Ihres Nachbarn von Unternehmen D stammen? Es seien A, B, C und D die Ereignisse Quietscheente wurde von Unternehmen A (bzw. B, C, D produziert. Diese Ereignisse bilden eine Partition von Ω. E bezeichne das Ereignis Quietscheente schwimmt nicht aufrecht. Laut Aufgabenstellung teilt sich die Gesamtproduktion auf die Unternehmen zu gleichen Anteilen auf, also gilt P(A) P(B) P(C) P(D) 0,25. Weiterhin sind folgende Wahrscheinlichkeiten angegeben: P(E A) 0,06, P(E B) 0,08, P(E C) 0,12, P(E D) 0,14 (i) Gefragt ist nach P(E c ). Nach der Formel von der totalen Wahrscheinlichkeit (A B C D Ω) gilt P(E c ) 1 P(E) 1 ( P(E A)P(A) + P(E B)P(B) + P(E C)P(C) + P(E D)P(D) ) 1 ( 0,25 0,06 + 0,25 0,08 + 0,25 0,12 + 0,25 0,14 0,9

(ii) Es bezeichne F das Ereignis, dass die zweite Quietscheente aufrecht schwimmt, dann ist P(F E c ) zu bestimmen, wobei nach (i) P(E c ) 0,1 ist. Durch Bedingen auf die Unternehmen erhalten wir P(F E c ) P(F Ec ) P(E) 1 P(E) (P(F E c A)P(A) + P(F E c B)P(B) + P(F E c C)P(C) + P(F E c D)P(D) ) 0,25 (0,94 0,06 + 0,92 0,08 + 0,88 0,12 + 0,86 0,14) 0, 1 0,89 (iii) Gefragt ist nach P(D E). Eine Anwendung der Bayes-Formel ergibt P(D E) P(D E) P(E) P(E D) P(D) P(E A)P(A) + P(E B)P(B) + P(E C)P(C) + P(E D)P(D) 0,14 0,25 0,06 0,25 + 0,08 0,25 + 0,12 0,25 + 0,14 0,25 0,35. Aufgabe T3.2 Für ein n N sei Ω {0, 1} n, F P(Ω) und P die Gleichverteilung auf Ω. Für jedes j {1,..., n} sei A j : {(ω 1,..., ω n ) Ω : ω j 1} und es sei außerdem A n+1 : {(ω 1,..., ω n ) Ω : ω 1 + ω 2 +... + ω n gerade}. Zeigen Sie, dass A 1, A 2,..., A n, A n+1 abhängig, aber jeweils n dieser n + 1 Ereignisse unabhängig sind. Wir berechnen zuerst die Wahrscheinlichkeiten P(A j ) für j {1,..., n} und P(A n+1 ): Die Mächtigkeit von Ω ist 2 n. Aus A j 2 n 1 folgt P(A j ) A j 2n 1 1 2 n 2 für 1 j n. Da die Abbildung A n+1 A c n+1, (ω 1,..., ω n ) (ω 1,..., ω n 1, 1 ω n ) bijektiv ist, folgt A n+1 A c n+1. Daher gilt 1 P(Ω) P(A n+1 ) + P(A c n+1) A n+1 + A c n+1 2 A n+1 2 P(A n+1 ) und folglich ist P(A n+1 ) 1. 2 Wir zeigen nun, dass A 1,..., A n, A n+1 abhängig sind. Für gerade n ist n+1 i1 A i 1 und folglich P ( n+1 i1 A i) ) 2 n. Ist n ungerade, so ist n+1 i1 A i 0 und folglich P ( n+1 i1 A i) ) 0. In beiden Fällen gilt P ( n+1 i1 A i) ) 2 (n+1) n+1 i1 P(A i). Die Ereignisse A 1, A 2,..., A n, A n+1 sind also abhängig. Nun bleibt zu zeigen, dass je n der Ereignisse A 1,..., A n+1 unabhängig sind. Sei hierfür I {1,..., n+1} mit I n. Wir müssen zeigen, dass P( i I A i) i I P(A i). Offenbar ist i I P(A i) 2 I. Wir behaupten, dass i I A i 2 n I, woraus P( i I A i) 2 n I 2 I und somit die Unabhängigkeit folgt. 2 n

Falls n + 1 I, ist die Behauptung klar. Falls n + 1 I enthält i I A i genau die Folgen ω, für die ω i 1 für alle i I \ {n + 1} ist, somit sind noch n I + 1 Stellen zu besetzen. Davon sind n I Stellen frei besetzbar, die letzte muss so mit 0 oder 1 belegt werden, dass die Summe ω 1 +... + ω n gerade ist. Insgesamt gibt es also 2 n I Möglichkeiten. Hausaufgaben: Aufgabe H3.1 Seien A, B und C Ereignisse. Zeigen oder widerlegen Sie die folgenden Aussagen: (i) Falls A B gilt, so sind A und B abhängig. (ii) P(A) {0, 1} impliziert, dass A und B unabhängig sind. (iii) Sind A und B sowie B und C unabhängig, so sind auch A und C unabhängig. (iv) Sind A und B c unabhängig, so gilt dies auch für A und B. (v) Sind A, B und C unabhängig, so sind auch A B und C unabhängig. (i) falsch: Sei zum Beispiel A B Ω. Dann ist P(A B) P(Ω) 1 P(A)P(B), also sind A und B unabhängig. (ii) richtig: Sei P(A) 0. Dann gilt P(A B) 0, denn P(A B) 0 und aufgrund der Monotonie von P ist P(A B) P(A) 0. Also ist P(A B) P(A)P(B). Sei P(A) 1. Dann ist P(A B) P(B), denn P(A B) P(A) + P(B) P(A B) 1 + P(B) P(A B) P(B) und P(A B) P(B). Insgesamt ist also P(A B) P(A)P(B). (iii) falsch: Sei A C, B unabhängig von A und P(A) (0, 1). Dann ist P(A C) P(A) P(A) 2 P(A)P(C). A und C sind also abhängig. (iv) richtig: P(A B) P(A (Ω \ B c )) P(A \ (A B c )) P(A) P(A B c ) P(A) P(A)P(B c ) P(A)(1 P(B c )) P(A)P(B). (v) richtig: P((A B) C) P((A C) (B C)) P(A C)+P(B C) P(A B C) P(A)P(C) + P(B)P(C) P(A)P(B)P(C) P(C)(P(A) + P(B) P(A)P(B)) P(C)(P(A) + P(B) P(A B)) P(C)P(A B)

Aufgabe H3.2 Für welche Konstanten c definieren die folgenden Ausdrücke Zähldichten: (i) ρ(k) c ( 1)k 1 k, k N (ii) ρ(k) c (n k) p k (1 p) n k, k N 0, n N, p [0, 1] (iii) ρ(k) c λk k!, λ > 0, k N 0 (iv) ρ(k) c (1 p) k 1, p (0, 1], k N (i) Damit ρ(k) 0 für alle k, folgt bereits c 0, denn ρ(1) c und ρ(2) c. Dann 2 ist aber k N ρ(k) 0 1, ρ ist also für kein c eine Zähldichte. (ii) Da k N 0 ρ(k) k N 0 c (n k) p k (1 p) n k c, folgt c 1. Außerdem ist ρ 0 für c 1 und somit eine Zähldichte. (iii) Da k N 0 ρ(k) k N 0 c λk k! c e λ, folgt c e λ. Außerdem ist ρ 0 für c e λ und somit eine Zähldichte. (iv) Da k N 0 ρ(k) k N c (1 p)k 1 1 c ρ 0 für c p und somit eine Zähldichte. 1 (1 p) c p, folgt c p. Außerdem ist Aufgabe H3.3 Sei n 2, Ω S n die Menge aller Permutationen der Menge {1,..., n}, F P(Ω) und P die Gleichverteilung auf Ω. Für jede Permutation π Ω sei X(π) min{1 j n : π j (1) 1} j-mal die Länge des Zyklus von π, welcher die 1 enthält. Dabei sei π j {}}{ π... π die j-fache Iterierte von π. Zeigen Sie, dass die Zufallsvariable X auf {1,..., n} gleichverteilt ist. Das Urbild von 1 k n bzgl. der Zufallsvariable X besitzt die Mächtigkeit (n 1)!, denn die 1 kann nur auf (n 1) Zahlen abgebildet werden, π(1) kann nur auf (n 2)! Zahlen abgebildet werden,..., π k 2 (1) kann nur auf n k + 1 Zahlen abgebildet werden und π k 2 nur auf die 1 abgebildet werden. Die übrigen n k Zahlen können untereinander auf beliebige Weise abgebildet werden. Da P auf Ω gleichverteilt ist, gilt für alle 1 k n P(X k) P({ω Ω : X(ω) k}) {ω Ω : X(ω) k} (n 1)! n! 1 n, d.h. X ist gleichverteilt auf {1,..., n}.

Aufgabe H3.4 Es sei N eine natürliche Zahl und wir bezeichnen mit ϕ(n) {k N : ggt(k, N) 1} die Anzahl der zu N teilerfremden Zahlen k N. Beweisen Sie mittels Argumenten aus der Wahrscheinlichkeitstheorie die Gleichung ϕ(n) N ( 1 1 ). p Hinweis: Es ist hilfreich, in einem geeigneten Wahrscheinlichkeitsraum die Mengen A k {n Ω : k teilt n} zu betrachten. Ein geeigneter Wahrscheinlichkeitsraum ist Ω {1, 2,..., N} mit der Potenzmenge P(Ω) als σ-algebra und der Gleichverteilung P als Wahrscheinlichkeitsmaß. Dann ist ϕ(n) N P({k N : ggt(k, N) 1}). Wir definieren wie im Hinweis A k {n Ω : k teilt n}. Für eine Auswahl von Primteilern p 1,..., p i von N ist A p1 A p2... A pi {n Ω : p 1,..., p i teilen n} {n Ω : p 1... p i teilt n}. Da alle dieser Primzahlen N teilen, ist die Mächtigkeit dieses Ereignisses gilt insbesondere P(A p1... A pi ) 1 p 1... p i P(A p1 )... P(A pi ) N p 1... p i. Daher und die Ereignisse A p, mit p ein Primteiler von N, sind unabhängig. Nach Vorlesung sind dann auch die Komplemente der Mengen A p unabhängig. Für eine Zahl k Ω ist ggt(k, N) 1 genau dann, wenn es keinen Primteiler von N gibt, der auch k teilt, d.h. P({k N : ggt(k, N) 1}) P ( ) A c p P(A c p) ( 1) 1. p